Transcribe with SenseVoice
5.5%
WER
50
Languages
50.0x
Speed
MIT
License
About SenseVoice
Model Info
- ProviderFunAudioLLM
- Architecture-
- LicenseMIT
- UpdatedMar 2026
ብዙ ጊዜ የሚጠየቁ ጥያቄዎች
SenseVoice የFunAudioLLM የንግግር-ወደ-ጽሑፍ ሞዴል ነው። STT.ai በጂፒዩ ኢንፍራሬድ ላይ SenseVoiceን ያስተዳድራል ስለዚህ የራስዎን ሃርድዌር ሳይጨምር ሊጠቀሙበት ይችላሉ - ድምፅ ወይም ቪዲዮን ይጫኑ እና SenseVoiceን ከሞዴል መረጫው ይምረጡ።
በ SenseVoice 5.5% የቃል ስህተት መጠን ላይ SenseVoice% ያደርጋል. እውነተኛው ዓለም ትክክለኛነት በድምፅ ጥራት ላይ የተመሠረተ ነው ፣ አቀራረብ ፣ እና ቋንቋ ፣ ለ ጩኸት ወይም አቀራረብ መዝገቦች ፣ ጥቂት በመቶ ነጥቦችን WER ከፍ ያለ WER ይከሰታሉ ፡፡
SenseVoice በ STT.ai ነፃ ደረጃ ላይ ይሠራል - ሁሉም ጎብኚዎች 600 ደቂቃዎች / ወር በነፃ ይቀበላሉ. የተከፈለባቸው ዕቅዶች ለፋይል ረጅም ገደቦችን፣ የግል ትረካዎችን እና የቅድሚያ መስመርን ይጨምራሉ.
SenseVoice በ MIT ስር ይወጣል ፣ ይህም የፍቃድ የፍቃድ ፈቃድ ነው ፡፡ SenseVoice ን በራስዎ ሃርድዌር ላይ ራስ-አስተናጋጅ ማድረግ ወይም የሆስት ስሪታችንን መጠቀም ይችላሉ - ሁለቱም በኮሜርስ ሊጠቀሙበት የሚችሉ ናቸው ፡፡
SenseVoice 50 ቋንቋዎችን ይደግፋል. አውቶማቲክ-አግኝቶ ለብዙዎቹ ድምፆች ትክክለኛውን ቋንቋ ይመርጣል፤ ለጥቂት ትክክለኛነት ከፍታም በมือ መወሰን ይችላሉ።
SenseVoice ድምፅን በ 50.0x ወቅታዊ ጊዜ በጂፒዩዎች ላይ ይሠራል. የ 1 ሰዓት ድምፅ ፋይል በ 1 ደቂቃዎች ውስጥ ይከናወናል፤ ረጅም ፋይሎችን በፍጥነት ይዘው ይሂዱ እና በኢሜይል ይደውሉ
SenseVoice 234M ፓራሜትሮች አለው. ትልልቅ ሞዴሎች የበለጠ ትክክለኛ ናቸው ግን ዝቅተኛ ናቸው፤ STT.ai በጂፒዩ ላይ SenseVoiceን ይቀበላል ስለዚህም የፓራሜትሮች ቁጥር የክላይንት-ገጽታዎን ውጤታማነት አይጎዳም
SenseVoice ሁሉንም STT.ai የሚደግፍ ቅርጸት ይቀበላል - MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, እና ሌሎች. እንደ TXT, SRT, VTT, DOCX, JSON, ወይም PDF መውጫ.
አዎ. የተናጋሪው መዝገብ ቤት ለእያንዳንዱ ትርጓሜ SenseVoice ጋር ይሰራል። ተናጋሪው ሁሉ ምልክት ተደርጎለት ከዚያም በኋላ በማተሚያው ውስጥ ስም ሊለውጡ ይችላሉ።
አዎ. SenseVoice በተስተዳደሩ አካባቢዎች ውስጥ ይሠራል - ድምፅ በቅድመ-ሁኔታ የተቀየሰ እና የተጠፋ ሲሆን ግልጽ ያልሆነ የውስጥ አማራጭ ሳይኖር ለልምምድ አልተጠቀመም. ፕሮ ፕሮግራሞች ለተቀመጡት መዝገቦች የክላይንት-ገጽ ስክሪፕት ይጨምራሉ.
SenseVoiceን ከሌላ የተደገፈ ሞዴል ጋር ለማወዳደር compare-stt የሚለውን መሳሪያ ይጠቀሙ - WER፣ ክፍል ቁጥር፣ የድምፅ ሰጪ መለያዎች፣ እና የጥራት ደረጃዎች በአንድ በኩል ይታይዎታል። SenseVoice vs Whisper Large V3 ማወዳደር በጣም የተለመደው ነው
አዎ. "sensevoice" እንደ ሞዴል ፓራሜትር በ /v1/transcribe መጨረሻ ላይ ይግለጹ. Python እና Node.js SDKs SenseVoice ምሳሌዎችን ያካትታሉ. ነፃ API ደረጃ 100 ደቂቃ / ወር ያካትታል.
አዎ. SenseVoice MIT-ሊስንስ ነው, ስለዚህ, ራስ-አስተናጋጅ ማድረግ ይችላሉ. STT.ai የክፍል ክፍል የፕሮጀክት repo እና ክብደት ዝርዝር. አብዛኛዎቹ ምርት ቡድኖች GPU ማግኘት, ሞዴል swaps, እና ops ለመውሰድ የምንይዝበትን ስሪት ይጠቀማሉ.